DOI: https://doi.org/10.1177/09622802241289559
PMID: https://pubmed.ncbi.nlm.nih.gov/39668583
تاريخ النشر: 2024-12-12
المؤلف: Jingyi Xuan وآخرون
الموضوع الرئيسي: تقنيات الاستدلال السببي المتقدمة
نظرة عامة
في التجارب السريرية، يمكن أن يؤثر الانحراف عن استراتيجية العلاج المقصودة بشكل كبير على صحة النتائج. تقدم هذه الدراسة مفهوم الانحراف عن التدخل وتنتقد الممارسة الشائعة للتحليلات حسب البروتوكول، التي تهدف إلى تقدير تأثير العلاج الافتراضي دون مثل هذه الانحرافات. يبرز المؤلفون أن التحليلات حسب البروتوكول يمكن أن تقدم تحيزًا في الاختيار، خاصة عندما ترتبط انحرافات التدخل بمؤثرات متغيرة زمنياً تؤثر أيضًا على النتائج المضادة للواقع. لمعالجة هذه المشكلة، يقترحون استخدام وزن الاحتمالية العكسية للتقليص (IPCW)، الذي يعدل التحيز في الاختيار من خلال منح وزن أكبر للأفراد غير المقيدين الذين لديهم خصائص تنبؤية مشابهة لأولئك الذين تم تقيدهم.
تعتمد فعالية IPCW على فرضية عدم وجود تحيز غير مقاس، والتي لا يمكن التحقق منها إحصائيًا. تشير نتائج محاكاة الدراسة إلى أن IPCW يتفوق عمومًا على التحليلات حسب البروتوكول عبر سيناريوهات مختلفة، بما في ذلك معدلات مختلفة من انحراف التدخل وعلاقات متغيرة بين المؤثرات. ومع ذلك، تظهر استثناءات في سيناريو محدد حيث يتعارض التحيز الناتج عن مؤثرين مع بعضهما البعض، مما يؤدي إلى حالة لا يوفر فيها IPCW ميزة واضحة. بشكل عام، تشير النتائج إلى أن IPCW يمكن أن يكون بديلاً قويًا للتحليلات حسب البروتوكول، بشرط تلبية الافتراضات الأساسية بشكل كافٍ.
مقدمة
تؤكد مقدمة الورقة على الدور الحاسم للتجارب السريرية العشوائية (RCTs) في تقييم التدخلات العلاجية، مع تسليط الضوء على أهمية تحليل النية للعلاج (ITT). تعترف بأنه بينما يوفر ITT تقديرًا صالحًا لتأثيرات العلاج في ظل ظروف مثالية، فإن التجارب الواقعية غالبًا ما تواجه أحداث متداخلة (ICEs) يمكن أن تعقد تفسير النتائج. قد تشمل هذه ICEs إنهاء العلاج، أو التحويل، أو العلاجات الإضافية، التي يمكن أن تنتهك بروتوكول التجربة أو يُسمح بها بموجبه. تركز الورقة على معالجة ICEs مع افتراض عدم فقدان المتابعة، مما يبرز ضرورة تحديد أهداف البحث بوضوح واستخدام تحليلات مناسبة لتحقيقها.
يشير المؤلفون إلى الملحق ICH E9 (R1)، الذي يحدد إطارًا لبناء تقديرات—وصف دقيق لتأثيرات العلاج التي تعكس الأسئلة السريرية المطروحة من قبل أهداف التجربة. يصنفون ICEs إلى تلك التي هي جزء من العلاج قيد التحقيق وتلك التي تمثل انحرافات (انحرافات التدخل، أو IDs). تناقش الورقة استراتيجيات مختلفة لمعالجة ICEs، بما في ذلك سياسة العلاج والاستراتيجيات الافتراضية، وتؤكد على الحاجة إلى تصنيف دقيق لـ ICEs لاشتقاق تقديرات صالحة. يقترح المؤلفون أن وزن الاحتمالية العكسية للتقليص (IPCW) قد يكون بديلاً أكثر موثوقية للتحليل حسب البروتوكول (PP) عند استهداف تقديرات افتراضية، خاصة في وجود تقليص معلوماتي. تمهد المقدمة الطريق لدراسة محاكاة تهدف إلى مقارنة أداء طرق IPCW وPP في سيناريوهات مختلفة، بهدف تقديم رؤى لتخطيط التحليل الإحصائي في التجارب السريرية.
طرق
في هذا القسم، يحدد المؤلفون منهجيتهم لتحليل التجارب السريرية العشوائية ذات المجموعات المتوازية التي تشمل أحداث متقطعة (ICEs). يركزون على البيانات الطولية التي تتضمن قياسات محدثة زمنياً للمتغيرات المتغيرة زمنياً (TVCs) ونتائج الوقت حتى الحدث. تفترض التحليل نوعًا واحدًا من ICE مصنفًا كمرض متقطع (ID)، مما يبسط النهج، حيث يمكن تجميع عدة ICEs في نوع واحد لطرق التعديل. تهدف الدراسة إلى تقدير سيناريو افتراضي حيث لم يحدث ID، مع الأخذ في الاعتبار تأثير المؤثرات الأساسية والمتغيرة زمنياً على النتائج المضادة للواقع.
يناقش المؤلفون آثار طرق التحليل المختلفة، مؤكدين على أهمية تحديد النماذج بشكل صحيح دون مصطلحات غير خطية أو تفاعلية. يبرزون أن تحليلات النية للعلاج (ITT) قد تنتج تقديرات مختلفة لتأثير العلاج مقارنة بتلك التي تعالج تقديرات افتراضية، خاصة عندما يحدث تقليص معلوماتي. يتناول القسم أيضًا التحيزات المحتملة الناجمة عن أحجام العينات غير الكافية، والمتغيرات المحددة بشكل خاطئ، وأخطاء القياس. على سبيل المثال، قد يتم انتهاك فرضية الإيجابية في التجارب الصغيرة أو عندما تؤدي المعايير الحتمية لـ ID إلى عينات غير تمثيلية. يخلص المؤلفون إلى أن الطرق البسيطة يمكن أن تقدم تحيزًا كبيرًا عندما تكون المؤثرات حتمية، مع توضيح سيناريوهات محددة توضح تفاصيل إلغاء التحيز بين المؤثرات.
نتائج
في هذا القسم، يقدم المؤلفون نتائج من 18 سيناريو متميز، موضحين انتشار ID (الأفراد الذين لديهم ID) عبر الذراعين الضابطة والتجريبية، كما هو ملخص في الجدول 3 ومفصل أكثر في المواد التكميلية C. يتراوح انتشار ID في الذراع الضابطة من 0.210 إلى 0.601، مع حالة أساسية تبلغ 0.387، بينما تظهر الذراع التجريبية نطاقًا من 0 إلى 0.403، مع عدم وجود ID في الحالة الأساسية. يمتد الارتباط بين المتغيرات \(L_1\) و \(L_2\) من 0.130 إلى 0.761، مع حالة أساسية تبلغ 0.447. يتراوح انتشار النتائج في الذراع الضابطة من 0.163 إلى 0.227 (الحالة الأساسية 0.188) وفي الذراع التجريبية من 0.089 إلى 0.146 (الحالة الأساسية 0.114).
تؤكد الدراسة على دقة طرق مختلفة، مع التركيز بشكل خاص على الفروق في الأخطاء المعيارية التجريبية (EmpSE) وأخطاء النماذج المعيارية (ModSE) عبر طرق مثل النية للعلاج (ITT)، حسب البروتوكول (PP)، ووزن الاحتمالية العكسية للتقليص (IPCW) مع تكوينات مختلفة. تشير النتائج إلى أن طرق IPCW، سواء باستخدام أوزان مستقرة أو استبعاد بعض المتغيرات، تنتج تقديرات نقطية مماثلة لاختلافات المخاطر. يتم تقديم تمثيلات بصرية لمقارنات الطرق من خلال مخططات الحلقات المتداخلة (الأشكال 2 إلى 6)، مع توفر نتائج مفصلة في المواد التكميلية C. يهدف التحليل إلى تقييم التحيز والأداء عبر جميع السيناريوهات، مع تسليط الضوء على قوة الطرق قيد التحقيق.
مناقشة
في هذا القسم، يناقش المؤلفون منهجيات إحصائية مختلفة لتحليل تأثيرات العلاج في التجارب السريرية العشوائية (RCTs) مع تحيزات زمنية تعتمد على الوقت وسقوط معلوماتي (ID). يحددون الرموز المستخدمة في الدراسة، حيث تمثل الحروف الكبيرة المتغيرات العشوائية، وتمثل الحروف الصغيرة الحقائق، وتدل الحروف اليونانية على المعلمات غير المعروفة. يؤكد المؤلفون على التمييز بين تحليلات النية للعلاج (ITT) وتحليلات حسب البروتوكول (PP)، مشيرين إلى أن ITT يحافظ على نزاهة العشوائية من خلال تضمين جميع المشاركين كما تم عشوائياً، بينما قد يقدم PP تحيزًا من خلال التقليص أو استبعاد المشاركين الذين لديهم ID. يجادل المؤلفون بأن تحليل PP يمكن أن ينتج تقديرات متحيزة عندما يرتبط ID بالمؤثرات، بينما يهدف وزن الاحتمالية العكسية للتقليص (IPCW) إلى تصحيح ذلك من خلال وزن المشاركين غير المقيدين بناءً على احتمال بقائهم غير مقيدين.
يجري المؤلفون دراسة محاكاة لتقييم أداء IPCW مقابل PP تحت سيناريوهات مختلفة، بما في ذلك التحديد الصحيح والخاطئ للمؤثرات. يستكشفون تأثير تضمين المتغيرات غير الضرورية وأخطاء القياس على التحيز ودقة التقديرات. تم تصميم المحاكاة لتعكس ظروف التجربة الواقعية، مستندة إلى تجربة ODYSSEY في عدوى فيروس نقص المناعة البشرية لدى الأطفال. تشير النتائج إلى أن IPCW يمكن أن يوفر تقديرات أقل تحيزًا من PP عندما يتم تحديد المؤثرات بشكل صحيح، على الرغم من أن وجود تحيز متبقي أو أخطاء قياس يمكن أن يؤدي إلى نتائج متحيزة. يخلص المؤلفون إلى أنه بينما يعد IPCW طريقة واعدة لمعالجة ID في RCTs، فإن الاعتبار الدقيق لتحديد النموذج واختيار المتغيرات أمر حاسم للحصول على تقديرات موثوقة.
DOI: https://doi.org/10.1177/09622802241289559
PMID: https://pubmed.ncbi.nlm.nih.gov/39668583
Publication Date: 2024-12-12
Author(s): Jingyi Xuan et al.
Primary Topic: Advanced Causal Inference Techniques
Overview
In clinical trials, intervention deviation from the intended treatment strategy can significantly impact the validity of results. This study introduces the concept of intervention deviation and critiques the common practice of per-protocol analyses, which aim to estimate a hypothetical treatment effect without such deviations. The authors highlight that per-protocol analyses can introduce selection bias, particularly when intervention deviations are linked to time-varying confounders that also affect counterfactual outcomes. To address this issue, they propose the use of inverse probability of censoring weighting (IPCW), which adjusts for selection bias by assigning greater weight to uncensored individuals with similar prognostic characteristics to those who are censored.
The effectiveness of IPCW is contingent upon the no unmeasured confounding assumption, which cannot be statistically verified. The study’s simulation results indicate that IPCW generally outperforms per-protocol analyses across various scenarios, including differing rates of intervention deviation and varying relationships between confounders. However, an exception arises in a specific scenario where the selection bias from two confounders counteracts each other, leading to a situation where IPCW does not provide a clear advantage. Overall, the findings suggest that IPCW can be a robust alternative to per-protocol analyses, provided that the underlying assumptions are adequately met.
Introduction
The introduction of the paper emphasizes the critical role of randomized controlled trials (RCTs) in evaluating therapeutic interventions, highlighting the importance of intention-to-treat (ITT) analysis. It acknowledges that while ITT provides a valid estimate of treatment effects under ideal conditions, real-world trials often encounter intercurrent events (ICEs) that can complicate the interpretation of results. These ICEs may include treatment discontinuation, switching, or additional therapies, which can either violate the trial protocol or be permitted under it. The paper focuses on addressing ICEs while assuming no loss to follow-up, underscoring the necessity of clearly defining research objectives and employing appropriate analyses to achieve them.
The authors reference the ICH E9 (R1) addendum, which outlines a framework for constructing estimands—precise descriptions of treatment effects that reflect the clinical questions posed by trial objectives. They categorize ICEs into those that are part of the treatment under investigation and those that represent deviations (intervention deviations, or IDs). The paper discusses various strategies for addressing ICEs, including treatment policy and hypothetical strategies, and emphasizes the need for careful classification of ICEs to derive valid estimands. The authors propose that inverse probability of censoring weighting (IPCW) may serve as a more reliable alternative to per-protocol (PP) analysis when targeting hypothetical estimands, particularly in the presence of informative censoring. The introduction sets the stage for a simulation study aimed at comparing the performance of IPCW and PP methods in various scenarios, with the goal of providing insights for statistical analysis planning in clinical trials.
Methods
In this section, the authors outline their methodology for analyzing parallel-group, randomized controlled clinical trials involving intermittent events (ICEs). They focus on longitudinal data that includes time-updated measurements of time-varying covariates (TVCs) and time-to-event outcomes. The analysis assumes a single type of ICE classified as an intermittent disease (ID), which simplifies the approach, as multiple ICEs can be aggregated into one type for adjustment methods. The study aims to estimate a hypothetical scenario where the ID did not occur, considering the influence of baseline and time-varying confounders on counterfactual outcomes.
The authors discuss the implications of various analytical methods, emphasizing the importance of correct model specifications without non-linear or interaction terms. They highlight that intention-to-treat (ITT) analyses may yield different treatment effect estimates compared to those addressing hypothetical estimands, particularly when informative censoring occurs. The section also addresses potential biases arising from inadequate sample sizes, mis-specified covariates, and measurement errors. For instance, the positivity assumption may be violated in small trials or when deterministic criteria for ID lead to non-representative samples. The authors conclude that simple methods can introduce significant bias when confounders are deterministic, with specific scenarios illustrating the nuances of bias cancellation among confounders.
Results
In this section, the authors present results from 18 distinct scenarios, detailing the prevalence of ID (individuals with an ID) across control and experimental arms, as summarized in Table 3 and further elaborated in Supplemental Material C. The prevalence of ID in the control arm varies from 0.210 to 0.601, with a base case of 0.387, while the experimental arm shows a range from 0 to 0.403, with the base case having no ID. Correlation between variables \(L_1\) and \(L_2\) spans from 0.130 to 0.761, with a base case of 0.447. The outcomes’ prevalence in the control arm ranges from 0.163 to 0.227 (base case 0.188) and in the experimental arm from 0.089 to 0.146 (base case 0.114).
The study emphasizes the accuracy of various methods, particularly focusing on the differences in empirical standard errors (EmpSE) and model standard errors (ModSE) across methods such as Intent-to-Treat (ITT), Per-Protocol (PP), and Inverse Probability of Censoring Weighting (IPCW) with various configurations. The findings indicate that IPCW methods, whether using stabilized weights or omitting certain variables, yield similar point estimates of risk differences. Visual representations of method comparisons are provided through nested loop plots (Figures 2 to 6), with detailed results available in Supplemental Material C. The analysis aims to assess bias and performance across all scenarios, highlighting the robustness of the methods under investigation.
Discussion
In this section, the authors discuss various statistical methodologies for analyzing treatment effects in randomized controlled trials (RCTs) with time-dependent confounding and informative dropout (ID). They delineate the notation used throughout the study, where uppercase letters represent random variables, lowercase letters denote realizations, and Greek letters signify unknown parameters. The authors emphasize the distinction between intention-to-treat (ITT) and per-protocol (PP) analyses, noting that ITT maintains randomization integrity by including all participants as randomized, while PP may introduce bias through censoring or exclusion of participants with ID. The authors argue that PP analysis can yield biased estimates when ID is associated with confounders, whereas inverse probability of censoring weighting (IPCW) aims to correct for this by weighting uncensored participants based on their likelihood of remaining uncensored.
The authors conduct a simulation study to evaluate the performance of IPCW against PP under various scenarios, including correct and incorrect specification of confounders. They explore the impact of including unnecessary covariates and measurement errors on the bias and precision of estimates. The simulation is designed to reflect realistic trial conditions, informed by the ODYSSEY trial in pediatric HIV infection. The results indicate that IPCW can provide less biased estimates than PP when confounders are correctly specified, although the presence of residual confounding or measurement errors can lead to biased results. The authors conclude that while IPCW is a promising method for addressing ID in RCTs, careful consideration of model specification and covariate selection is crucial for obtaining reliable estimates.